La Risk-Based Maintenance (RBM) mira a definire le priorità nella risposta ai fabbisogni di manutenzione sulla base dal rischio identificato per i diversi oggetti di manutenzione. In poche parole le risorse di manutenzione sono indirizzate prima di tutto verso gli oggetti di manutenzione che in caso di mancanza possono provocare danni e quindi costi maggiori, rispetto ad altri.
La valutazione del rischio fin dalla metà del secolo scorso è condotta utilizzando diversi metodi, principalmente induttivi. Ciò comporta meccanismi di valutazione facilmente automatizzabili e integrabili con analisi predittive condotte grazie alla crescente disponibilità di BigData, queste tecniche permetteranno in breve tempo di sostituire le analisi tecniche condotte da umani con analisi tecniche condotte da automi opportunamente addestrati.
Le logiche della RBM non sono molto distanti da altre che apparentemente hanno focus diversi, come la RCM (Reliability Centered Maintenance), dove anch’essa utilizza uno schema di analisi di tipo induttivo.
La RBM in un futuro prossimo venturo, sarà quindi il risultato di una moltitudine di elaborazioni condotte da software specializzato (automi) che avrà un grado di dettaglio e di accuratezza superiore alle attuali analisi condotte da tecnici.
Quale sarà il valore aggiunto dato dai tecnici “umani”? Come moltiplicare il valore delle Valutazioni di Rischio integrando il lavoro degli automi con il lavoro umano?
Le esperienze avute con l’automazione, anche in passato, rivelano il più delle volte nel personale che sostituiscono, una malcelata paura riguardo al mantenimento del proprio posto di lavoro.
Ma la questione così non è ben posta. La domanda giusta è: come posso migliorare le prestazioni del mio lavoro considerando che le attività più noiose e ripetitive, e dove serve unicamente una intelligenza comparativa, sono svolte da una macchina?
La macchina integra ma non sostituisce il lavoro umano, l’empowerment dato dalle macchine, dai robot, dagli automi, dal software e quanto altro è in essere nella manifattura 4.0 sottrae all’uomo alcuni compiti, ma ne offre di nuovi più interessanti e più qualificanti.
Tornando alle nostre valutazioni di rischio, dunque come possiamo moltiplicare l’efficacia del nostro lavoro grazie all’importante contributo che ha dato e darà l’automazione?
Per prima cosa un importante contributo dovuto a BigData e all’automazione è la riduzione dell’incertezza, un elemento molto importante quando si tratta di “verità” probabilistiche. Parimenti, ma questo vale per qualsiasi altro dominio, l’automazione permette di ridurre gli errori dovuti al “fattore umano”.
Il trattamento delle incertezze richiede la distinzione di due tipologie (Andrea Carpignano et alter, Le incertezze nell’analisi del rischio, 2006):
- incertezze aleatorie
- incertezze epistemiche
Lasciate ai diversi approcci probabilistici le prime, Il tecnico si potrà concentrare sulle incertezze epistemiche, dove non c’è una completa conoscenza dei fenomeni e quindi l’intervento umano di un esperto può dare un reale valore aggiunto nella valutazione delle incertezze e dei rischi connessi, sia nella definizione degli scenari, sia nella probabilità degli eventi che ne condizionano l’evoluzione, sia nella valutazione delle conseguenze.
La formazione del personale tecnico cui è affidata l’analisi dei fabbisogni manutentivi e la pianificazione degli interventi preventivi e correttivi durante l’applicazione di un modello RBM (Manutenzione Basata sui Rischi) è cruciale per una buona riuscita del piano.
Gli attuali modelli formativi, basati su conoscenza delle tecnologie sottostanti e procedure applicative, sono sufficienti per dare una buona base di partenza ai tecnici. Ma nel momento dell’azione serve anche qualche cosa in più: la capacità di impostare velocemente dei percorsi logici di risoluzione dei problemi che, anche a causa delle incertezze di cui sopra, possono più o meno inaspettatamente sopraggiungere.
Parafrasando il Manzoni, se uno non possiede l’arte del corretto ragionamento, non se la può dare.
I posteri hanno concluso che sul coraggio di Don Abbondio il Manzoni si sbagliava, e parimenti esiste la possibilità di accrescere e di sviluppare il pensiero logico e il ragionamento, facendo ricorso a determinati metodi e principi.
Si interviene sulla costruzione dei processi mentali.
Il Pensiero Computazionale è uno di questi metodi che permettono di sviluppare l’arte del ragionamento e del pensiero logico, e offre un aiuto per esercitarsi ad affrontare le situazioni inaspettate che possono intervenire nei processi manutentivi in generale e, particolarmente, dove si lavora in condizioni di incertezza epistemica.
Il Pensiero Computazionale viene poi potenziato con l’apprendimento cooperativo. Quando gruppi di persone aventi il medesimo obiettivo di apprendimento lo raggiungono attraverso il lavoro comune, lo scambio di idee, documenti condivisi, la risoluzione di problemi che portano ad una mobilitazione delle competenze. Una situazione ben diversa dai metodi didattici che prevedono l’isolamento fisico di chi apprende (Massimo Capponi, Un giocattolo per la mente, 2009).
Papert (MIT) sostiene che parte dell’apprendimento consista nell’acquisire informazioni, ma questa è solo una parte dell’educazione, l’altra parte riguarda il fare, il costruire e realizzare cose, “paciugando” ed affrontando serenamente tentativi ed errori. Due componenti: una informativa e l’altra costruttiva.
La sapienza millenaria orientale cui hanno attinto i filosofi greci, d’altra parte, nega il valore di una conoscenza solo teorica (come l’acquisire informazioni) se non è sperimentata.
“Alcuni credono che una volta affrontate certe questioni dal punto di vista concettuale il lavoro sia concluso. Una conoscenza di questo tipo può rappresentare un buon inizio, ma per dare risultati concreti deve poi essere calata nella pratica, vissuta, sperimentata, fino a diventare, in maniera sostanziale, continua e stabile, qualcosa di luminoso per il ‘sé’ e per la coscienza del soggetto” (Marco Ferrini, L’Uomo Ostrica, 2010).
Il futuro della Risk-Based Maintenance, sarà segnato dalla capacità di trovare nuovi percorsi didattici oltre i consueti ambienti noiosi e convenzionali, considerando che chi si occupa di manutenzione è già un passo avanti perché un po’ “thinkerer” lo è sempre stato.
E poi non bisogna temere l’incertezza che per quanto si ridurrà per effetto di Big Data e predizioni più accurate, sarà sempre in agguato nei nostri modelli di rischio. (Longo, Il futuro fra incertezza e responsabilità, 2000)
Persino Senofane, intorno al 500 a.C. sosteneva che gli uomini non sanno immediatamente tutto, ma guadagnano il sapere nell’incertezza delle ipotesi.
Maurizio Cattaneo
